《Aced 项目安装与配置指南》
2025-04-17 09:05:45作者:冯爽妲Honey
1. 项目基础介绍
Aced 是一个用于解析和解决单个指定 Active Directory 主要用户的 DACL( discretionary access control list )的开源工具。它可以识别针对目标账户的有趣的入站访问权限,解析这些权限的安全标识符(SIDs),并将数据展示给操作者。Aced 还集成了 pyldapsearch 的日志功能,能够将目标主体的 LDAP 属性本地化记录,进而由 pyldapsearch 的配套工具 BOFHound 将收集的数据摄入 BloodHound。
Aced 的主要编程语言是 Python。
2. 项目使用的关键技术和框架
- Python:Aced 使用 Python 编写,这是一个广泛使用的高级编程语言,适用于多种操作系统。
- pyldapsearch:这是一个用于搜索 LDAP 目录的 Python 模块。
- BloodHound:一个用于 Active Directory 安全分析的工具,它可以帮助识别潜在的权限提升路径。
3. 项目安装和配置的准备工作
在开始安装 Aced 之前,请确保您的系统满足以下要求:
- Python 3.x 已安装。
- pip(Python 包管理器)已安装。
- 对于 Kerberos 认证,确保您的系统上安装了相关库。
详细安装步骤
-
克隆项目仓库
打开命令行界面,使用以下命令克隆 Aced 项目的 GitHub 仓库:
git clone https://github.com/garrettfoster13/aced.git -
安装依赖
进入项目目录,使用 pip 安装 requirements.txt 文件中列出的依赖项:
cd aced pip install -r requirements.txt -
配置环境
根据您的系统环境,可能需要配置 Python 环境变量,确保命令行可以识别
python3命令。 -
运行 Aced
使用以下命令运行 Aced,并根据需要提供参数:
python3 aced.py -h这将显示 Aced 的帮助信息,您可以按照帮助信息提供的方式使用不同的参数进行操作。
-
参数说明
-h:显示帮助信息。-ldaps:使用 LDAPS 而不是 LDAP。-dc-ip:指定域控制器的 IP 地址或 FQDN。-k:使用 Kerberos 认证。-no-pass:不询问密码(在-k标志下有用)。-hashes LMHASH:NTHASH:指定 LM 和 NT 哈希值。-aes hex key:为 Kerberos 认证指定 AES 密钥。-debug:启用详细日志。-no-smb:不通过 SMB 解析 DC 主机名。
请确保在执行任何操作之前,您都有适当的权限,并且遵守所有相关的法律法规。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30